【亲测免费】 开源项目推荐：SISSO

1. 项目基础介绍及主要编程语言

SISSO（Symbolic and Sparse Subset Optimization）是一个结合了符号回归和压缩感知的数据驱动方法，旨在构建准确且可解释的模型。该项目由上海大学的Runhai Ouyang教授创建并维护，主要应用于材料科学、大数据分析等领域。项目的主要编程语言是Fortran，同时也包含了一些Python代码用于辅助功能。

2. 项目的核心功能

• 符号回归与压缩感知结合：通过符号回归，SISSO能够自动发现输入数据和输出目标之间的关系，并以数学表达式形式展现。压缩感知技术则帮助优化模型，提高预测的准确性。
• 多任务学习（MT-SISSO）：支持同时处理多个相关任务，通过共享特征和模型结构，提高学习效率和模型性能。
• 变量选择辅助的符号回归（VS-SISSO）：通过辅助的Python脚本 VarSelect.py，帮助用户选择最相关的变量，简化模型并提高其解释性。

3. 项目最近更新的功能

在最新的版本更新中，SISSO引入了以下新功能：

• 内存中的特征存储方案：用户现在可以选择将特征以表达式树（S-expression tree）的形式存储在内存中，这种新方案虽然可能稍慢，但大大减少了内存需求。对于处理大型数据集（例如超过5000个样本）时，这一更新尤其有用。
• 性能比较：在SISSO的用户指南中，新增了关于不同特征存储方案的性能比较，帮助用户根据具体需求选择最合适的存储方案。

这些更新使得SISSO在处理大规模数据集时更加高效，同时也提高了模型的准确性和可解释性。